公开(公告)号：CN118155251A

公开(公告)日：2024-06-07

申请号：CN202410317484.6

申请日：2024-03-20

Applicant: 南京邮电大学

Inventor： 陈元乐 ,  何学敏 ,  晏子祥 ,  徐浚源 ,  吴伟 ,  潘亚刚

IPC: G06V40/14 ,  G06N20/20 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/25 ,  G06T5/40 ,  G06T3/4053 ,  G06V10/54 ,  G06V10/80 ,  G06N3/08 ,  G06F21/62

Abstract: 本发明公开了一种基于语义通信式联邦学习的掌静脉识别方法，其借助联邦学习(Federal learning，FL)实现高安全性、高可靠性的掌静脉生物特征识别。通过将语义通信应用于基于fedavg的联邦学习的联合算法，优化了通信负载，保证了即使在带宽受限的网络环境下，各端设备也能高效地参与到全局模型的学习和优化过程。此外，本发明采用先进的图像处理技术，提出基于纹理和卷积神经网络(CNN)方法融合的高效深度学习算法，结合联邦学习技术，有效解决了掌静脉识别有效性与安全性的平衡问题。仿真结果表明，与其他方法相比，所提出的方法在保证用户数据安全性的前提下，可以极大提高各客户端用户掌静脉识别性能，同时拥有良好的收敛效果。